Advertisement

Stereosehen

  • Uwe Franke
  • Stefan Gehrig
Chapter
Part of the ATZ/MTZ-Fachbuch book series (ATZMTZ)

Zusammenfassung

Als in den frühen 90er Jahren im Rahmen des europäischen Projekts PROMETHEUS die ersten Gehversuche zu kamerabasierten Fahrerassistenzsystemen unternommen wurden, konnten sich nur sehr wenige Optimisten vorstellen, dass diese Technologie keine 25 Jahre später eine wichtige Rolle in der Praxis spielen würde, ja sogar manche ambitionierten Systeme wie das vollautomatische Bremsen auf Fußgänger erst ermöglichen würde. Doch kein anderer Sensor konnte so sehr vom allgemeinen Fortschritt profitieren wie Kameras mit der dazugehörigen Auswerteelektronik.

Die Kosten für eine Kamera sind von anfangs 2000 DM und mehr auf wenige 10 € gefallen. Die Dynamikprobleme der in der Anfangsphase verwendeten CCD-Sensoren, die bei Gegenlicht kaum verwertbare Bilder lieferten und daher jede Präsentation von Forschungsergebnissen gefährdeten, gehören dank der für moderne Consumer-Kameras entwickelten CMOS-Imager der Vergangenheit an. Gleichzeitig hat sich die verfügbare Rechenleistung in dieser Zeit um mehr als fünf Größenordnungen erhöht, wie dies vom Moore’schen Gesetz prognostiziert wurde. Entscheidend dazu beigetragen hat die FPGA-Technologie, auf die sich die in vielen Fällen sehr aufwändigen, frühen Verarbeitungsstufen eines bildverstehenden Systems gut abbilden lassen.

Literatur

  1. 1.
    Dickmanns, E., Zapp, A.: A curvature‐based scheme for improving road vehicle guidance by computer vision. SPIE 727, 161–168 (1986)Google Scholar
  2. 2.
    Meister, S., Jähne, B., Kondermann, D.: Outdoor stereo camera system for the generation of real‐world benchmark data sets. Journal of Optical Engineering 51(02) 021107–1–021107–6 (2012)Google Scholar
  3. 3.
    Scharstein, D., Szeliski, R.: A Taxonomy and Evaluation of Dense Two‐Frame Stereo Correspondence Algorithms. International Journal of Computer Vision (IJCV) 7–42 (2002). Kluwer, MayGoogle Scholar
  4. 4.
    Geiger, A., Lenz, P., Urtasun, R.: Are we ready for Autonomous Driving? The KITTI Vision Benchmark Suite, Computer Vision and Pattern Recognition (CVPR) (2012)Google Scholar
  5. 5.
    Hirschmüller, H., Gehrig, S.: Stereo Matching in the Presence of Sub‐Pixel Calibration Errors, Computer Vision and Pattern Recognition (CVPR) (2009)Google Scholar
  6. 6.
    Hirschmüller, H., Scharstein, D.: Evaluation of Stereo Matching Costs on Images with Radiometric Differences. IEEE Transactions on Pattern Analysis and Machine Intelligence 31(9), 1582–1599 (2009)CrossRefGoogle Scholar
  7. 7.
    Mühlmann, K., Maier, D., Hesser, J., Männer, R.: Calculating Dense Disparity Maps from Color Stereo Images, an Efficient Implementation, CVPR Workshop on Stereo and Multi‐Baseline Vision, S. 30–36 (2001)Google Scholar
  8. 8.
    Belhumeur, N.: A Bayesian approach to binocular stereopsis. International Journal on Computer Vision 19(3), 237–260 (1996)CrossRefGoogle Scholar
  9. 9.
    Boykov, Y., Veksler, O., Zabih, R.: Fast approximate energy minimization via graph cuts. IEEE Transactions on Pattern Analysis and Machine Intelligence 23(11), 1222–1239 (2001)CrossRefGoogle Scholar
  10. 10.
    Tappen, M., Freeman, W.: Comparison of Graph Cuts with Belief Propagation for Stereo, using Identical MRF Parameters, International Conference on Computer Vision (ICCV) (2003)Google Scholar
  11. 11.
    Hirschmüller, H.: Stereo Processing by Semi‐Global Matching and Mutual Information. IEEE Transactions on Pattern Analysis and Machine Intelligence 30(2), 328–341 (2008)CrossRefGoogle Scholar
  12. 12.
    Gehrig, S., Rabe, C.: Real‐time Semi‐Global Matching on the CPU, CVPR Embedded Computer Vision Workshop, San Francisco, CA (2010)Google Scholar
  13. 13.
    Banz, C., Blume, H., Pirsch, P.: Real‐time semi‐global matching disparity estimation on the GPU, ICCV Workshop on Mobile Computer Vision, Barcelona, Spain (2011)Google Scholar
  14. 14.
    Gehrig, S., Eberli, F., Meyer, T.: A Real‐Time Low‐Power Stereo Engine Using Semi‐Global Matching, International Conference on Computer Vision Systems, Liege, Belgium (2009)Google Scholar
  15. 15.
    Bleyer, M., Chambon, S.: Does Color Really Help in Dense Stereo Matching? International Symposium 3D Data Processing, Visualization and Transmission (3DPVT), Paris, France, S. 1–8 (2010)Google Scholar
  16. 16.
    Shimizu, M., Okutomi, M.: Precise sub‐pixel estimation on area‐based matching, International Conference on Computer Vision (ICCV) (2001)Google Scholar
  17. 17.
    Gehrig, S., Badino, H., Franke, U.: Improving Sub‐Pixel Accuracy for Long Range Stereo. Journal of Computer Vision and Image Understanding 116(1), 16–24 (2012)CrossRefGoogle Scholar
  18. 18.
    Franke, U., Rabe, C., Badino, H., Gehrig, S.: 6D‐Vision: Fusion of Stereo and Motion for Robust Environment Perception, DAGM Symposium 2005, Wien (2005)Google Scholar
  19. 19.
    Badino, H., Franke, U., Rabe, C., Gehrig, S.: Stereo Vision‐Based Detection of Moving Objects under Strong Camera Motion, VisApp, Portugal (2006)Google Scholar
  20. 20.
    Stein, F.: Efficient Computation of OpticaL Flow, DAGM Symposium (2004)Google Scholar
  21. 21.
    Shi, J., Tomasi, C.: Good features to track, Computer Vision and Pattern Recognition (CVPR), 1994, Seattle (1994)Google Scholar
  22. 22.
    Zach, C., Pock, T., Bischof, H.: A Duality Based Approach for Realtime TV‐L1 Optical Flow, DAGM Symposium (2007)Google Scholar
  23. 23.
    Müller, T., Rabe, C., Rannacher, J., Franke, U., Mester, R.: Illumination‐Robust Dense Optical Flow Using Census Signatures, DAGM Symposium (2011)Google Scholar
  24. 24.
    Müller, T., Rannacher, J., Rabe, C., Franke, U.: Feature‐ and Depth‐Supported Modified Total Variation Optical Flow for 3D Motion Field Estimation in Real Scenes, Computer Vision and Pattern Recognition (CVPR) (2011)Google Scholar
  25. 25.
    Rabe, C., Müller, T., Wedel, A., Franke, U.: Dense, Robust, and Accurate Motion Field Estimation from Stereo Sequences in Real‐time, European Conference on Computer Vision (ECCV) (2010)Google Scholar
  26. 26.
    Badino, H., Franke, U., Pfeiffer, D.: The Stixel World ‐ A Compact Medium Level Representation of the 3D‐World, DAGM Symposium (2009)Google Scholar
  27. 27.
    Pfeiffer, D., Franke, U.: Towards a Global Optimal Multi‐Layer Stixel Representation of Dense 3D Data, British Machine Vision Conference (BMVC) (2011)Google Scholar
  28. 28.
    Erbs, F., Schwarz, B., Franke, U.: From Stixels to Objects, IEEE Intelligent Vehicles Symposium, Brisbane (2013)Google Scholar
  29. 29.
    Barth, A., Franke, U.: Estimating the Driving State of Oncoming Vehicles from a Moving Platform Using Stereo Vision, IEEE Transactions on ITS (2009)Google Scholar
  30. 30.
    Enzweiler, M., Hummel, M., Pfeiffer, D., Franke, U.: Efficient Stixel‐Based Object Recognition, IEEE Intelligent Vehicles Symposium, Alcala de Henares (2012)Google Scholar
  31. 31.
    Scharwächter, T., Enzweiler, M., Franke, U., Roth, S.: Efficient Multi‐Cue Scene Segmentation, DAGM Symposium, Saarbrücken (2013)Google Scholar
  32. 32.
    Moosmann, F., Triggs, B., Jurie, F.: Fast Discriminative Visual Codebooks using Randomized Clustering Forests. In: Advances in neural information processing systems (2007)Google Scholar
  33. 33.
    Enzweiler, M., Gavrila, D.M.: A Multi‐Level Mixture‐of‐Experts Framework for Pedestrian Classification, IEEE Trans. on Image Processing (2011)Google Scholar
  34. 34.
    Franke, U., Pfeiffer, D., Rabe, C., Knöppel, C., Enzweiler, M., Stein, F., Herrtwich, R.G.: Making Bertha See, ICCV Workshop Computer Vision for Autonomous Driving, Sydney, Australia (2013)Google Scholar
  35. 35.
    Yamaguchi, K., McAllester, D., Urtasun, R.: Robust Monocular Epipolar Flow Estimation, Computer Vision and Pattern Recognition (CVPR) (2013)Google Scholar
  36. 36.
    Vogel, C., Roth, S., Schindler, K.: Piecewise Rigid Scene Flow, International Conference on Computer Vision (ICCV) (2013)Google Scholar
  37. 37.
    Gehrig, S., Reznistkii, M., Schneider, N., Franke, U., Weickert, J.: Priors for Stereo Vision under Adverse Weather Conditions, ICCV Workshop Computer Vision for Autonomous Driving, Sydney, Australia (2013)Google Scholar

Copyright information

© Springer Fachmedien Wiesbaden 2015

Authors and Affiliations

  • Uwe Franke
    • 1
  • Stefan Gehrig
    • 1
  1. 1.Daimler AGSindelfingenDeutschland

Personalised recommendations